三、 基于SREWorks数据化运维实践
1. 稳定性建设
• 服务链路全观测建设
由于IT系统日益增加的复杂度、大量云原生技术的采用，使得服务快速排障变得越来越难。而指标、日志和追踪三大可观测性支柱，可以实现服务的白盒监控能力。
SREWorks数据平台集成metricbeat、filebeat、skywalking等数据采集agent和自研数据采集场景作业，提供全托管一站式可观测数据采集能力，可以直接获取运行系统的指标、日志和调用链，协助问题的排查和诊断，缩短故障恢复时长（TTR）。
• 健康管理服务建设
为了帮助用户更好的感知系统运行状态，实现系统的监控管理，结合阿里Emon团队的智能检测服务和自研作业场景服务，构筑健康管理服务。包括事件采集管理、风险巡检、指标告警检测、异常诊断场景作业，帮助用户识别风险、分析告警、进行异常诊断和自愈以及故障管理。
建设规范化健康管理平台，能够降低或者消除系统隐患，尽最大可能将潜在故障扼杀在萌芽状态。一旦故障发生及时通知关联人员，进一步提升应对效率，确保行动的有效性。
2. 成本建设
当前云原生服务成为云计算主流的服务形态，但由于云原生化的应用程序及其资源需求常常是动态变化，这也导致云成本的计算复杂性。为此，SREWorks内置一套完整的成本管理解决方案，包含资源消耗计量计费的可视化、资源使用明细分析，用于辅助用户优化和治理云资源成本。
SREWorks系统设置下的成本定价模型，重点从资源层面（CPU、内存、存储）进行成本核算。平台会自动按照应用粒度，每天进行应用资源用量和成本计费汇总，汇总数据自动同步至数据仓库应用成本模型（APP_COST）存储。
3. 效率建设
运维效率即运维活动的效率，代表了运维的平台化能力，包括自动化运维操作和自动化的构建部署等，而人效比是最能直接体现运维效率，衡量人力资源价值的指标。
4. 运营中心
运营中心从质量、成本、效率三个维度，提供应用的实时健康分、健康实例统计、应用可用率、应用成本占比、资源分配、运维人效、运维操作统计等关键数据看板，致力于保证用户获取准确可靠的应用运行状况、健康趋势、成本资源水位以及人力消耗，从而作出稳定性保障、预算准备、资源扩容等运维决策。
四、 结语
随着阿里巴巴云原生大数据运维平台SREWorks的开源，我们得以将其中的数据化运维思想和运维实践分享给大家，抛砖引玉，希望能给大家带来不一样的思想碰撞。同时欢迎大家持续关注我们的开源数据化平台，期待与您进行沟通交流，一起推动云原生数据化运维的发展建设。
